Pacientes com neutropenia febril (NF) secundária à quimioterapia, com contagem de neutrófilos e plaquetas frequentemente em torno de zero, desenvolvem complicações como sepse e choque séptico. Desenvolver modelos baseados em Redes Neurais Artificiais (RNA) para a predição do desfecho baseado em variáveis clínicas e laboratoriais em pacientes com NF e sepse. O estudo foi baseado numa análise retrospectiva de dados de uma coorte de pacientes com neoplasias hematológicas em tratamento antineoplásico assistidos no Hemocentro e Hospital das Clínicas da Unicamp. Dados extraídos, no período de 2018 e 2021, do sistema informatizado da instituição (AGHuse) permitiram a seleção de pacientes sob contagem de neutrófilos < 1,000 /mm3 e temperatura ≥ 37,5 °C, e que necessitaram de internação por NF. Dados clínicos e laboratoriais foram avaliados através da Análise de Componentes Principais (ACP) e a identificação de 16 fatores significativos foram empregados na Inteligência Artificial do tipo Rede Neural (RNA) para a predição da mortalidade nos trinta dias seguintes a internação na UTI. A RNA foi desenvolvida usando o software Matlab, com scripts personalizados. Dados de 108 pacientes com idade média de 50,2 (40,0-60,0) anos e majoritariamente do sexo feminino (53:55) foram incluídos ao estudo. Da ACP, os fatores foram divididos de acordo com as componentes principais (CP): na 1ªCP os fatores significativos foram a contagem de neutrófilos; o número mais baixo de neutrófilos; os neutrófilos segmentados e a contagem de plaquetas. Na 2ªCP, os fatores foram o Índice de Comorbidade de Charlson (ICC); a contagem de células brancas e vermelhas; linfócitos e monócitos. E, na 3ª CP observamos a idade do paciente e comorbidades como a hipertensão arterial e dislipidemia. Nas CPs restantes, foi considerado VCM (volume globular médio); escala ECOG (Eastern Cooperative Oncology Group); foco de infecção no trato gastrointestinal e o sexo do paciente. Esses fatores contribuíram com 75% de influência na mortalidade. Ainda, foi desenvolvido uma RNA com uma camada oculta com cinco neurônios nela. Ela foi capaz de predizer com uma acurácia de 97% a mortalidade dos pacientes trinta dias após a internação. O desenvolvimento de um modelo preditivo baseado em RNA para a mortalidade em pacientes com NF e sepse é uma contribuição inédita que visa a melhoria do manejo clínico. A acurácia de 97% obtida pelo modelo sugere um potencial elevado para a aplicação prática, permitindo que os profissionais de saúde identifiquem precocemente os pacientes com maior risco de mortalidade e implementem intervenções preventivas focadas e mais eficazes. A divisão dos dados em 33% para treino, teste e validação reduz o risco de overfitting e assegura maior generalização dos resultados. Apesar disso, a RNA desenvolvida neste estudo é limitada pela natureza retrospectiva dos dados e pelo baixo número amostral. Estudos futuros são necessários para validações externas em coortes maiores e mais diversificadas, além de considerar a integração de novas variáveis que possam emergir. A utilização de Inteligência Artificial em coorte de pacientes NF e sepse nos permitiu a identificação de fatores preditivos de desfecho clínicos e os resultados promissores destacam o potencial das RNA na melhoria do manejo clínico de pacientes vulneráveis.